Applying semantic knowledge to the automatic processing of temporal expressions and events in natural language

This paper addresses the problem of the automatic recognition and classification of temporal expressions and events in human language. Efficacy in these tasks is crucial if the broader task of temporal information processing is to be successfully performed. We analyze whether the application of semantic knowledge to these tasks improves the performance of current approaches. We therefore present and evaluate a data-driven approach as part of a system: TIPSem. Our approach uses lexical semantics and semantic roles as additional information to extend classical approaches which are principally based on morphosyntax. The results obtained for English show that semantic knowledge aids in temporal expression and event recognition, achieving an error reduction of 59% and 21%, while in classification the contribution is limited. From the analysis of the results it may be concluded that the application of semantic knowledge leads to more general models and aids in the recognition of temporal entities that are ambiguous at shallower language analysis levels. We also discovered that lexical semantics and semantic roles have complementary advantages, and that it is useful to combine them. Finally, we carried out the same analysis for Spanish. The results obtained show comparable advantages. This supports the hypothesis that applying the proposed semantic knowledge may be useful for different languages.

Conducta prosocial y estrategias de aprendizaje en una muestra de estudiantes españoles de Educación Secundaria Obligatoria

Este estudio analizó la relación entre conducta prosocial y las estrategias de aprendizaje en una muestra de 2.022 estudiantes españoles (51.1% varones) de Educación Secundaria Obligatoria (ESO). La conducta prosocial fue medida con la escala de Conducta Prosocial del Teenage Inventory of Social Skills (TISS) y las estrategias de aprendizaje fueron medidas con el Learning and Study Strategies Inventory-High School (LASSI-HS). Los análisis de regresión logística revelaron que la conducta prosocial es un predictor positivo y estadísticamente significativo de puntuaciones altas en las siguientes estrategias y habilidades de estudio: actitud hacia el éxito académico, motivación, procesamiento de la información, selección de ideas principales, ayudas al estudio, autoevaluación y estrategias de evaluación. Además, la conducta prosocial fue un predictor negativo y estadísticamente significativo de puntuaciones altas en ansiedad. Estos resultados fueron encontrados en varones, mujeres y en estudiantes de todos los cursos de ESO. Sin embargo, la conducta prosocial sólo fue un predictor positivo y estadísticamente significativo de altas puntuaciones en control del tiempo (en las muestras de 2º y 4º de ESO) y en concentración (en las muestras de chicos y 4º de ESO).